專利名稱：：商品搜索無結(jié)果智能處理系統(tǒng)及方法
技術(shù)領域：
：本發(fā)明涉及電子商務網(wǎng)站商品搜索領域，尤其涉及B2C模式商品搜索無結(jié)果處理領域。
背景技術(shù)：
：現(xiàn)有電子商務網(wǎng)站的商品搜索引擎一般采用全文檢索方式實現(xiàn)，受實現(xiàn)方式所限，用戶査詢的關(guān)鍵詞需要與商品信息中的文本信息完全一致，或僅僅允許詞的前后位置不同。比如:商品信息為"全文檢索介紹"，那么用戶在査詢"全文檢索"時能正常找到相應產(chǎn)品，但如果用戶查詢"全文搜索"，因商品信息中并不含"搜索"一詞，用戶往往無法查到這個商品。對于通用的web搜索引擎來講，海量的信息能彌補這方面的不足。如百度，Google，它們索引了Internet上的海量信息，用戶查詢的關(guān)鍵詞往往會在大量的頁面中出現(xiàn)，哪怕用戶輸入的關(guān)鍵詞拼寫錯誤，仍然會有大量的頁面中含有類似的信息，用戶大多數(shù)情況下仍然能檢索到自己需要的信息。B2C的電子商務網(wǎng)站與通用搜索引擎不同，一方面它們只有自己的商品數(shù)據(jù)，一份標準的數(shù)據(jù)；另一方面對于它們來說，將自己的產(chǎn)品銷售出去才是最終目的，所以推測用戶真實的購買意圖顯得尤為重要，這樣對于商品搜索引擎而言，不能期望用戶査詢所輸入的關(guān)鍵詞信息與自己的數(shù)據(jù)文件中的信息完全一致，必須要有一定的容錯，糾錯機制，需根據(jù)用戶提供的搜索條件盡量準確地為用戶査找到商品。目前無論是像Google、Baidu這樣的網(wǎng)頁搜索，還是一些面向某一特定領域的專業(yè)搜索，都是采用的倒排索引機制進行全文檢索。這種搜索技術(shù)，需要針對所有信息進行分詞處理，之后建立詞號和文檔編號的倒排索引，類似如下結(jié)構(gòu)WordlD國〉DocIDl，DocID2，DocID3，......，DocIDn在用戶査詢的時候，釆用同樣的方法將用戶查詢的關(guān)鍵詞進行分詞處理，得到一個關(guān)鍵詞的序列。之后針對序列中的每個詞査詢倒排索引文件，得到每個詞都在哪些文檔中出現(xiàn)過，并進行交集邏輯"與"運算，這樣得到的最終結(jié)果就能保證含有用戶查詢字串中的每一個詞。當然，在實際應用當中為了得到更好的效果，在建索引的時候一般還要保留每個詞在文本中的位置信息，在查詢的時候也做一定要求。但是對于一些B2C商家來說，自己網(wǎng)站的商品搜索還會面臨一些困難首先，信息有限。搜索僅限于自有的一些商品數(shù)據(jù)，完全取決于商品數(shù)量的多少以及每個產(chǎn)品的信息的詳細程度。在數(shù)據(jù)量上是沒法和通用網(wǎng)頁搜索引擎相比的。對于通用搜索引擎，可以不必過于理會用戶輸入錯誤的情況，海量的數(shù)據(jù)可以彌補這方面的缺陷，因為海量的數(shù)據(jù)中必定會有一些頁面當中，錄入人員犯了和當前用戶同樣的錯誤，這就保證能搜索到想要的結(jié)果。但對于B2C商家來說，自己的數(shù)據(jù)絕大部分是十分準確的，用戶一旦輸入了錯誤的關(guān)鍵詞，就會導致査不到預期的結(jié)果。其次，通過對搜索日志的分析發(fā)現(xiàn)，存在約8%的用戶在搜索商品的時候沒有找到預期的商品，當然，其中會有一部分用戶査找的商品確實沒有，然而更多的情況是用戶選擇的關(guān)鍵詞不恰當導致的沒有結(jié)果。通過對這些無結(jié)果查詢的分析，主要分成以下幾類，見下表<table>tableseeoriginaldocumentpage4</column></row><table>以上種種情況通過常規(guī)搜索技術(shù)是不能解決的。最后一點，B2C商家和通用搜索引擎網(wǎng)站贏利模式不同，搜索引擎為用戶提供免費搜索服務，通過周邊的廣告、推廣等模式贏利，而B2C網(wǎng)站需要通過銷售自身產(chǎn)品獲得收益。這就決定了通用搜索引擎只要滿足大部分用戶的需求就可以了，而B2C網(wǎng)站需要盡量滿足每一位顧客的需求，根據(jù)用戶提供的信息盡可能地幫助用戶通過最少的操作找到自己需要的商品。否則用戶可能誤以為沒有某些貨物而轉(zhuǎn)向其它渠道購買，從而流失了顧客。綜上所述，對于商品搜索引擎，需要容忍用戶犯一定的錯誤，充分理解用戶的查詢需求，盡量準確給出査詢結(jié)果。這些決定了商品搜索引擎需要一些特殊的技術(shù)來處理用戶的查詢請求。
發(fā)明內(nèi)容本發(fā)明的目的就是為了解決上述問題。詳見圖1所示，本發(fā)明的商品搜索無結(jié)果智能處理系統(tǒng)方案是與通用搜索引擎一樣，分索引和檢索兩部分，索引部分通過對原始數(shù)據(jù)進行分詞索引處理，生成一定格式的索引文件，檢索部分對用戶查詢的關(guān)鍵詞進行分詞處理，通過讀取索引、關(guān)鍵詞還原、相似程度計算等幾步得到査詢結(jié)果，其主要區(qū)別在于檢索部分中有無結(jié)果處理模塊，用戶提交關(guān)鍵詞查詢后先通過正常的交集運算方式進行査詢，如果沒有結(jié)果則調(diào)用無結(jié)果處理模塊。一種商品搜索無結(jié)果智能處理方法，包括索引方法部分和檢索方法部分，索引方法部分通過對原始數(shù)據(jù)進行分詞索引處理，生成一定格式的索引文件，檢索方法部分對用戶查詢的關(guān)鍵詞進行分詞處理，通過讀取索引、關(guān)鍵詞還原、相似程度計算等幾步得到査詢結(jié)果，其區(qū)別特征在于檢索方法部分中有無結(jié)果處理方法用戶提交關(guān)鍵詞査詢后先通過正常的交集運算方式進行查詢，如果沒有結(jié)果則調(diào)用無結(jié)果處理方法首先對用戶査詢的關(guān)鍵詞進行分詞處理，分別讀取倒排索引文件，并進行并集處理；然后通過最長匹配詞的計算來還原關(guān)鍵詞，得到最匹配的關(guān)鍵詞；再根據(jù)商品信息中的分隔符或邊界對關(guān)鍵詞進行修正處理；最后通過編輯距離的算法對關(guān)鍵詞進行相關(guān)度排序，將結(jié)果返給用戶。索引部分通過對原始數(shù)據(jù)進行分詞索引處理，生成一定格式的索引文件。對商品信息分詞處理建立正排索引及倒排索引，保存文檔編號DocID，位置pos以及詞號KeyID，供無結(jié)果處理器使用。檢索部分，詳見圖2所示，會對用戶査詢的關(guān)鍵詞進行分詞處理，通過讀取索引、關(guān)鍵詞還原、相似程度計算等幾步得到查詢結(jié)果。用戶提交關(guān)鍵詞査詢后先通過正常的交集運算方式進行查詢，如果沒有結(jié)果則調(diào)用無結(jié)果處理模塊。首先對用戶的關(guān)鍵詞進行分詞處理，根據(jù)詞號(KeyID)從倒排索引文件中讀出所有含有第一個詞的商品信息，之后處理下一個詞號，當處理完所有的KeyID后，對將結(jié)果進行并集的邏輯"或"操作運算處理，可以得到一個集合，此集合中的商品至少含有一個用戶查詢的關(guān)鍵詞。對于結(jié)果集合，計算每個商品與用戶査詢關(guān)鍵詞的相關(guān)程度，并排序，可以得到按相關(guān)性由強到弱的結(jié)果，能得到與用戶査詢的關(guān)鍵詞最相關(guān)、貼近的査詢結(jié)果。綜合以上結(jié)果，可以得到與用戶關(guān)鍵詞較接近的若干關(guān)鍵詞的搜索結(jié)果，按相關(guān)程度分組提示給用戶。從結(jié)果來看，多數(shù)情況下，搜索結(jié)果與用戶査詢意圖接近，能有效地幫助用戶找到需要的商品。下面詳細介紹一下各個部分的技術(shù)構(gòu)成一、索引部分索引部分與大部分通用搜索引擎采用的倒排索引類似。本系統(tǒng)是針對用戶輸入可能出錯的情況進行處理，考慮到用戶可能將詞輸錯，導致分詞結(jié)果與預期不一致，故本系統(tǒng)采用按字建索引的方式，這與大多數(shù)通用搜索引擎索引方式不同。如用戶將"變形金剛"錯輸成"變形金鋼"，前者分詞的結(jié)果是"變形/金剛"，后者分詞的結(jié)果是"變形/金/鋼"通過按詞建索引的方式無法査到與"變形金剛"最相關(guān)的結(jié)果。另外本算法比常規(guī)搜索算法計算量大，而用戶査詢商品一般是通過商品名、作者、出版社、歌手、曲目等信息進行檢索，所以可以忽略掉冗長的商品介紹，僅針對這些重要字段建立倒排索引，同時生成正排索引。這里的正排索引是按照文檔以及位置順序來排列的。這樣在后面査詢的時候可以根據(jù)文檔編號和位置還原出關(guān)鍵詞。索引單元結(jié)構(gòu)如下structIndexltem{unsignedintnDocID;〃文檔編號unsignedintnWordID;〃詞(字)的編號unsignedshortusPos;〃詞在文檔中的位置};這里保存了文檔ID，分詞的詞號(按字索引，這里實際上是字的編號)，以及這個詞在當前商品中出現(xiàn)的位置。二、檢索部分全文檢索此部分與前文所述通用搜索引擎工作方式不同，采用并集邏輯"或"運算的方式，而不是交集邏輯"與"運算的方式操作。首先對用戶查詢的關(guān)鍵詞進行分詞處理，分別讀取倒排索引文件，并進行并集處理。過程如圖3所示。通過以上步驟后可以得到結(jié)果A，全部由索引項目Indexltem結(jié)構(gòu)組成，這些索引項目Indexltem是按照DocID從小到大，位置編號usPos由小到大的順序排列的，所有在結(jié)果中出現(xiàn)的DocID都至少包含用戶輸入關(guān)鍵詞中的一個詞，即結(jié)果A是所有包含關(guān)鍵詞Keyl，Key2，...，KeyN的文檔的集合。假定用戶至少有一個字輸入正確，那么，用戶要找的商品必然包含在這個集合之中。哪個才是和用戶査詢的內(nèi)容最相關(guān)的產(chǎn)品，是下一步要解決的問題。還原關(guān)鍵詞如圖4所示，首先要確信真正要搜索商品的用戶提供的關(guān)鍵詞是有效的，即大部分關(guān)鍵詞信息是正確的，只有一小部分詞因為拼寫或詞本身不合理影響了查詢的結(jié)果。通過商品信息找出與用戶輸入關(guān)鍵詞匹配的子串，如果和用戶提供的關(guān)鍵詞非常接近，則認為它可能是用戶正在尋找的商品。通過遍歷結(jié)果A中的索引項目Indexltem結(jié)構(gòu)，針對每個DocID尋找在用戶查詢串出現(xiàn)的、連續(xù)的、最長的詞，如果不是嚴格連續(xù)，只要間隔小于GAP，一般定義為1或2,也認為它是連續(xù)的。在還原關(guān)鍵詞的流程圖中涉及到最長匹配詞的計算，算法如下-假設當前的詞號K是用戶查詢串中的第i個詞，則可以從正排索引文件中取出當前位置之后的若干個詞K，K2，K3，……Kn，n最大不超過査詢串的長度。之后依次與用戶査詢串中的第i+l，i+2，……，i+n個詞相比較，找出二者一致的最大長度，并記錄。在比較的過程中，并不是要求K,與查詢串中的第i個詞完全一致，而是在一定范圍內(nèi)都可以，假設K3與第i+3個詞不一致，但K4與第i+4或i+5個詞一致，也認為它們是連續(xù)的。這樣最長匹配詞的計算會忽略掉中間的不一致。這就是用戶輸入關(guān)鍵詞有錯誤仍能得到相關(guān)結(jié)果的根本原因。關(guān)鍵詞的擴展修正通過前面的計算，可以得到商品信息中與用戶査詢的字符串最匹配的結(jié)果，但用戶可能第一個字或最后一個字輸入錯誤，那么最匹配的結(jié)果可能就不是完整的語義了，在得到這個結(jié)果后要根據(jù)商品信息中的分隔符或邊界進行修正處理根據(jù)它在商品信息中的位置，如果它離前后的分隔符較近，則把前后的文字部分也認為是匹配的內(nèi)容。排序分組現(xiàn)在已經(jīng)得到了若干可能和用戶査詢相關(guān)的結(jié)果，并且每篇文檔有一個匹配字符串。通過編輯距離的算法進行相關(guān)度排序。編輯距離，又稱Levenshtein距離，是指兩個字符串之間，由一個轉(zhuǎn)成另一個所需的最少編輯操作次數(shù)。許可的編輯操作包括將一個字符替換成另一個字符，插入一個字符，刪除一個字符。這是一種常用的算法。通過計算編輯距離并排序，可以把與用戶輸入相關(guān)性最大的產(chǎn)品排到前面，相關(guān)性小的排到后面。根據(jù)關(guān)鍵詞進行分組，把關(guān)鍵詞相同的作為一組，最多給出3個產(chǎn)品。査詢結(jié)果此時已經(jīng)得到了按關(guān)鍵詞分組的幾組結(jié)果，讀取相應的產(chǎn)品信息名稱、價格、作者等，生成結(jié)果頁面返回給客戶端或供其它程序調(diào)用。在全文檢索查詢不到商品的時候，本發(fā)明這種處理方式能幫助用戶迅速準確地查找相應產(chǎn)品，通過技術(shù)手段充分接近用戶搜索意圖，盡可能的為用戶提供最相關(guān)的產(chǎn)品。即使在用戶提交的關(guān)鍵詞并不十分準確的情況下，也能有效地幫助用戶找到他需要的商品，從而提高整個電子商務網(wǎng)站的易用性，改善了用戶體驗，增加了商品銷量。圖1是本發(fā)明的系統(tǒng)結(jié)構(gòu)示意圖圖2是本發(fā)明的搜索模塊示意圖圖3是本發(fā)明的關(guān)鍵詞分詞處理流程框圖圖4是本發(fā)明的還原關(guān)鍵詞串流程框圖具體實施例方式例1、査詢"現(xiàn)代日語語法手冊"的處理過程用戶提交的關(guān)鍵詞為"現(xiàn)代日語語法手冊"，因沒有與其完全匹配的結(jié)果，調(diào)用智能處理模塊。首先將關(guān)鍵詞分成單個漢字"現(xiàn)/代/日/語/語/法/手/冊"，能從倒排索引文件中得到每個漢字都在哪些文檔(商品)中出現(xiàn)過:現(xiàn)D0ClDal,D0ClDa2,...DOCID咖代DocIDbi,DocIDb2,...DocIDbn日DocIDcl,DocIDc2,...DocIDcp語DocIDdi，DocIDd2,...D。ClDdq法D0ClDel，D0ClDe2,…DocIDex手Doc,,DocIDf2，…DocIDfy冊DocIDgi，DocIDg2,...DocIDgz將以上所有DocID匯總并去掉重復，得到所有可能的文檔編號(結(jié)果B)，即使用戶輸入的條件多了或者錯了，只要他沒有把所有的字都寫錯，且商品集合中有相關(guān)產(chǎn)品，那么這個產(chǎn)品必然包含在結(jié)果B中。針對結(jié)果B中每個產(chǎn)品的信息，査找與用戶關(guān)鍵詞匹配程度最佳的字符串。為敘述方便，以下簡稱在用戶查詢關(guān)鍵詞中出現(xiàn)的漢字為有效字。通過正排索引文件掃描，找到第一個有效字，從這個字開始，依次處理，直到當前漢字不屬于用戶查詢關(guān)鍵詞，且當前漢字前三個字里都沒有用戶査詢關(guān)鍵詞。比如這段文本是"現(xiàn)代日語實用語法"，第一個有效字是"現(xiàn)"，依次處理，"現(xiàn)/代/日/語/"，這些都是有效字，沒有問題。當分別處理到"實/用"二字時，發(fā)現(xiàn)這個字不是有效字，但它的前兩個漢字含有效字，暫時認為"實用"也是有效字，繼續(xù)往下尋找有效字，如果仍然沒遇到有效字的話則認為此次匹配最長關(guān)鍵詞為"現(xiàn)代日語"，對于這個例子，后面是"語/法"是有效字，所以此次匹配最長的關(guān)鍵詞為"現(xiàn)代日語實用語法"。在這個產(chǎn)品中，還可能找出其它匹配串，但沒有第一個結(jié)果長，只記錄最長的結(jié)果(結(jié)果B)。在這些匹配串中，可能有的語義并不完整，需要按照前面的修復規(guī)則進行處理，對最長匹配串前后兩側(cè)進行擴展，直到超出長度限制或遇到符號、邊界，以得到較完整的語義(結(jié)果C)。對于本例，"現(xiàn)代日語語法"兩側(cè)均無法擴展，最長匹配串就是它本身。事實上，通過以上規(guī)則修復能解決一部分問題，不能保證所有修復后的匹配串都有完整語義。同理，可以得到每個商品中與用戶查詢關(guān)鍵詞最接近的匹配串。根據(jù)編輯距離(Levenshtein距離)計算每個關(guān)鍵詞與用戶査詢關(guān)鍵詞的距離，比如D("現(xiàn)代日語語法手冊","現(xiàn)代日語語法")=4D("現(xiàn)代日語語法手冊"，"現(xiàn)代日語實用語法")=4D("現(xiàn)代日語語法手冊"，"日語語法")=8可以看出"現(xiàn)代日語語法"，"現(xiàn)代日語實用語法"距離最小，從這兩個詞對應的產(chǎn)品中按照銷量因素選出前N個產(chǎn)品展示給用戶。最終結(jié)果如下有關(guān)"現(xiàn)代日語語法"的結(jié)果現(xiàn)代日語語法現(xiàn)代日語語法(日英漢對照)有關(guān)"現(xiàn)代日語實用語法的結(jié)果"現(xiàn)代日語實用語法(第2版)現(xiàn)代日語實用語法教程例2、査詢"變形金鋼"的處理過程首先按上文所述，讀取索引文件計算結(jié)果A，即含有"變"、"形"、"金"、"鋼"中至少一個字的商品。接著針對每個商品的信息，根據(jù)正排索引文件找出與用戶輸入的詞匹配長度最長的詞，得到結(jié)果B。有的商品對應的最長匹配串為"變形金"，有的商品僅能得到"變"、"變形"。之后對最長匹配串兩側(cè)進行擴展，得到結(jié)果C。例如有的商品名稱為"變形金剛(DVD9)"，最長匹配串為"變形金"，第一個就是"變"字，無法往前擴展。開始向后擴展，因"剛"字與有效字的距離小于2,認為它可能是關(guān)鍵詞的一部分，下一個字符是"("，屬于符號，則擴展終止，得到"變形金剛"。又如有的商品名稱為"新變形金岡U-隱者戰(zhàn)士(21VCD)"，從"變"字開始向前擴展，認為"新"也是匹配串的一部分，再往前就是邊界，停止向前擴展。開始向后擴展，同樣遇到字符"-"，終止向后擴展，最終得到的結(jié)果為"新變形金剛"。同理，也可以得到"變形人"、"小豬變形記"等最長匹配串。接著比較最長匹配串與用戶關(guān)鍵詞的編輯距離。D("變形金鋼","變形金剛")=1D("變形金鋼","新變形金剛")=3D("變形金鋼","變形人")=4D("變形金鋼"，"小豬變形記")=8可見"變形金剛"與"新變形金剛"的編輯距離最小。最后，根據(jù)編輯距離最小的匹配串分組輸出。結(jié)果如下有關(guān)"變形金剛"的結(jié)果-變形金剛(2DVD9)變形金剛(DVD9)(黑塑盒)變形金剛(小說版)有關(guān)"新變形金剛"的結(jié)果新變形金剛-隱者戰(zhàn)士(21VCD)新變形金剛-隱者戰(zhàn)士(11DCD)例3、查詢"學與痛的邊緣"的處理過程這個用戶可能用的是五筆輸入法，"學"的五筆編碼為"ip"，"愛"的五筆編碼為"印"，通過本發(fā)明能有效幫他找到所需產(chǎn)品。首先與前文類似，根據(jù)索引文件計算結(jié)果A。接著針對每個商品的信息，根據(jù)正排索引文件找出與用戶輸入的詞匹配長度最長的詞，得到結(jié)果B。對應的最長匹配串為"與痛的邊緣"、"與理的邊緣"。之后對最長匹配串兩側(cè)進行擴展，得到結(jié)果C。有的商品名稱為"愛與痛的邊緣(郭敬明著)"，最長匹配串為"與痛的邊緣"，向前擴展一個漢字之后遇到邊界，停止擴展。開始向后擴展，下一個字符是"("，屬于符號，則擴展終止，得到"愛與痛的邊緣"。有的商品名稱為"法與理的邊緣(民商法疑難案例評析)"，從"與"字開始向前擴展，認為"法"也是匹配串的一部分，再往前就是邊界，停止向前擴展。開始向后擴展，同樣遇到字符"("，終止向后擴展，得到的結(jié)果為"法與理的邊緣"。接著比較最長匹配串與用戶關(guān)鍵詞的編輯距離。D("學與痛的邊緣","愛與痛的邊緣")=2D("學與痛的邊緣","法與理的邊緣")=3最后，根據(jù)編輯距離最小的匹配串分組輸出。結(jié)果如下有關(guān)"學與痛的邊緣"的結(jié)果愛與痛的邊緣(郭敬明著)愛與痛的邊緣大都市青春叢書有關(guān)"法與理的邊緣"的結(jié)果法與理的邊緣(民商法疑難案例評析)權(quán)利要求1.一種商品搜索無結(jié)果智能處理系統(tǒng)，包括索引部分和檢索部分，索引部分通過對原始數(shù)據(jù)進行分詞索引處理，生成一定格式的索引文件，檢索部分對用戶查詢的關(guān)鍵詞進行分詞處理，通過讀取索引、關(guān)鍵詞還原、相似程度計算等幾步得到查詢結(jié)果，其區(qū)別特征在于檢索部分中有無結(jié)果處理模塊用戶提交關(guān)鍵詞查詢后先通過正常的交集運算方式進行查詢，如果沒有結(jié)果則調(diào)用無結(jié)果處理模塊。2.—種商品搜索無結(jié)果智能處理方法，包括索引方法部分和檢索方法部分，索引方法部分通過對原始數(shù)據(jù)進行分詞索引處理，生成一定格式的索引文件，檢索方法部分對用戶査詢的關(guān)鍵詞進行分詞處理，通過讀取索引、關(guān)鍵詞還原、相似程度計算等幾步得到査詢結(jié)果，其區(qū)別特征在于檢索方法部分中有無結(jié)果處理方法用戶提交關(guān)鍵詞查詢后先通過正常的交集運算方式進行查詢，如果沒有結(jié)果則釆用無結(jié)果處理方法首先對用戶査詢的關(guān)鍵詞進行分詞處理，分別讀取倒排索引文件，并進行并集處理；然后通過最長匹配詞的計算來還原關(guān)鍵詞，得到最匹配的關(guān)鍵詞；再根據(jù)商品信息中的分隔符或邊界對關(guān)鍵詞進行擴展修正處理；最后通過編輯距離的算法對關(guān)鍵詞進行相關(guān)度排序，將結(jié)果返給用戶。全文摘要本發(fā)明公開了一種商品搜索無結(jié)果智能處理系統(tǒng)及其方法，分索引和檢索兩部分，通過對原始數(shù)據(jù)進行分詞索引處理，生成一定格式的索引文件，再對用戶查詢的關(guān)鍵詞進行分詞處理，通過讀取索引、關(guān)鍵詞還原、相似程度計算等幾步得到查詢結(jié)果，其區(qū)別在于檢索部分中有無結(jié)果處理模塊在正常查詢沒有結(jié)果的情況下調(diào)用無結(jié)果處理模塊對關(guān)鍵詞進行分詞處理，后還原關(guān)鍵詞，再對關(guān)鍵詞進行擴展修正處理，最后對關(guān)鍵詞進行相關(guān)度排序，將結(jié)果返給用戶。從而提高整個電子商務網(wǎng)站的易用性，改善了用戶體驗，增加了商品銷量。文檔編號G06F17/30GK101206672SQ20071030170公開日2008年6月25日申請日期2007年12月25日優(yōu)先權(quán)日2007年12月25日發(fā)明者剛劉,劉建國,研張,王洪濤申請人:北京科文書業(yè)信息技術(shù)有限公司